排序方式: 共有11条查询结果,搜索用时 46 毫秒
2.
3.
5.
6.
8.
为解决变电站主控室内轮式机器人拍摄继电保护屏底部压板时存在视觉盲区的问题,提出了一种基于除法模型矫正的广角副摄像机拍摄方法。该方法首先通过在轮式机器人侧面安装广角副摄像机实现继电保护屏底部视觉盲区的压板图像信息采集,然后采用除法模型对所采集的图像信息进行矫正,最后采用卷积神经网络算法对压板进行识别,实现了继电保护屏压板识别的全覆盖,提高了压板识别的准确率。在某220 kV变电站进行了压板核对实验,结果表明,采用该方法改进的轮式巡检机器人解决了视觉盲区压板的核对问题,压板核对准确率达到100%,相比原有轮式机器人巡检覆盖面更广、结果更准确,具有良好的推广价值。 相似文献
9.
变电站内继电保护压板的核对一直以来都是依靠人工进行操作,并且变电站继电保护压板装置众多,人工核对压板方式费时费力且易出错.文章提出一种利用深度可分离卷积网络实现继电保护压板识别的方法.首先,基于TensorFlow机器学习平台创建深度可分离卷积网络;然后,对采集的压板图像进行标注,形成数据集,并对网络进行训练,得到图像识别模型;最后,使用TensorFlow Lite对模型进行转换和优化,并将其应用于嵌入式系统.试验结果表明,深度可分离誊积网络在嵌入式系统上运行性能和识别速度达到预期效果,压板开合状态识别正确率达100%,具有广泛应用价值. 相似文献
10.
变电站人工核对压板工作量大、效率低,造成不能及时发现压板误投退、漏投退隐患,因此提出了一种以机器人和手持终端为底层感知设备的继保压板状态图像识别与核对系统.该系统采用多层设计架构方式,实现了设备的实时控制和数据的高效传输与处理.系统感知层采用轮式机器人和手持终端相结合的方式对压板屏柜进行巡检,服务器端采用YOLO目标识别算法实现压板投退状态的识别,使用SSM框架快速搭建稳定性良好的应用系统.该系统在某220 kV变电站进行了试点应用,对该站主控室45面压板保护屏柜(共计1107个压板)进行每月1次定时巡检,并自动形成压板核对报告,压板投退状态识别正确率达100%,完全满足压板日常巡检要求,运行效果良好. 相似文献